\(~\)
En el siguiente informe se preparará el mapa que grafique nuestro prototipo, el cual se aplicará en el barrio de Flores y en un número reducido de escuelas.
\(~\)
\(~\)
Corremos las librerías:
library(tidyverse)
library(leaflet)
library(sf)
library(sqldf)
Bajamos los datasets que vamos a usar:
Radio_Censal <- st_read("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/informacion-censal-por-radio/caba_radios_censales.geojson")
Establecimientos_Educativos <- st_read("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/establecimientos-educativos/establecimientos-educativos.geojson")
Barrio<- st_read("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/barrios/barrios.geojson")
\(~\)
\(~\)
Calculamos las NBI con respecto a la población:
ggplot(Radio_Censal) +
geom_sf(mapping = aes(fill = HOGARES_NBI/POBLACION) )
\(~\)
Corremos el radio censal para conocer las zonas más vulnerables:
Radio_Censal <- st_transform(Radio_Censal, 4326)
pal_fun <- colorQuantile("YlOrRd", NULL, n = 5)
p_popup <- paste0("<strong>Densidad de NBI: </strong>", Radio_Censal$HOGARES_NBI)
leaflet(Radio_Censal) %>%
addPolygons(
stroke = FALSE,
fillColor = ~pal_fun(HOGARES_NBI),
fillOpacity = 0.8, smoothFactor = 0.5,
popup = p_popup) %>%
addTiles()
\(~\)
\(~\)
Filtramos establecimientos educativos secundarios:
Establecimientos_Educativos %>% filter(str_detect(nivel,"^Secundario+.*"))
Seleccionamos modalidad común / adolescente y establecimientos públicos de Flores:
Establecimientos_Educativos <- Establecimientos_Educativos %>%
filter( (DEPFUN != "Dir Gral de Educación de Gestión Privada") & str_detect(nivel,"^Secundario Común+.*") & (BARRIO == "FLORES") )
Reproyectamos:
Barrio <- Barrio %>% filter(barrio == "FLORES")
Barrio <- st_transform(Barrio, 4326)
Preparamos los datasets, separando los centros educativos que serán nuestro prototipo de las demás escuelas en Flores:
unique(Establecimientos_Educativos$NOMBRE_EST)
Establecimientos_Estudiados <- Establecimientos_Educativos[-c(2, 3, 5, 6, 7, 9),]
Todos <- Establecimientos_Educativos[-c(1, 4, 8),]
\(~\)
\(~\)
Bajamos los íconos que vamos a usar para nuestro pop-up y para diferenciar las escuelas:
Icono_Bus <- makeIcon(
iconUrl = "https://icon-icons.com/downloadimage.php?id=100552&root=1465/PNG/512/&file=605bus_100552.png",
iconWidth = 25, iconHeight = 25)
Icono_Escuela <- makeIcon(
iconUrl = "https://icon-icons.com/downloadimage.php?id=126269&root=2070/PNG/512/&file=school_icon_126269.png",
iconWidth = 25, iconHeight = 25)
Reproyectamos y armamos nuestros pop-ups:
Radio_Censal <- st_transform(Radio_Censal, 4326)
pal_fun <- colorQuantile("YlOrRd", NULL, n = 5)
p_popup_sv <- paste0("<strong>Densidad de NBI: </strong>", (Radio_Censal$HOGARES_NBI/Radio_Censal$POBLACION))
p_popup_ee <- paste0("<strong>Nombre: </strong>", Establecimientos_Educativos$NOMBRE_EST,
" <strong>Modalidad: </strong>", Establecimientos_Educativos$NIVMOD)
Creamos el mapa interactivo resaltando nuestro barrio prototipo (Flores) y poniendo las tres escuelas (seleccionadas por ser zonas rojas, de alta vulnerabilidad):
leaflet(data = Radio_Censal) %>%
addTiles() %>%
addPolygons(
stroke = FALSE,
fillColor = ~pal_fun(HOGARES_NBI),
fillOpacity = 0.3, smoothFactor = 0.5,
popup = p_popup_sv) %>%
addPolylines(data = Barrio, color = "#6576A4", fill = "#6576A4",
fillColor =
"#6576A4") %>%
addMarkers(data = Todos,
icon = Icono_Escuela,
popup = p_popup_ee)%>%
addMarkers(data = Establecimientos_Estudiados,
icon = Icono_Bus,
popup = p_popup_ee)